Bombaž kot pomemben denarni pridelek in surovine bombažne tekstilne industrije, s povečanjem gosto poseljenih območij, bombaža, žita in oljnic, je problem konkurence na zemljišču vse resnejši, uporaba bombaža in zrn lahko učinkovito ublaži protislovje med gojenje bombaža in žitaric, ki lahko izboljšajo produktivnost pridelka in zaščito ekološke raznovrstnosti in tako na. Zato je zelo pomembno hitro in natančno spremljanje rasti bombaža v načinu vmesnega posevka.
Večspektralne in vidne slike bombaža na treh stopnjah plodnosti so pridobili večspektralni in RGB senzorji, nameščeni na UAV, njihove spektralne in slikovne značilnosti so bile ekstrahirane, skupaj z višino rastlin bombaža na tleh pa je bila SPAD bombaža ocenjeno z integriranim učenjem regresije glasovanja (VRE) in primerjano s tremi modeli, in sicer Random Forest Regression (RFR), Gradient Boosted Tree Regresija (GBR) in strojna regresija podpornih vektorjev (SVR). . Ocenili smo natančnost ocenjevanja različnih modelov ocenjevanja relativne vsebnosti klorofila v bombažu in analizirali učinke različnih razmerij vmesnih posevkov med bombažem in sojo na rast bombaža, da bi zagotovili osnovo za izbiro razmerja vmesnih posevkov. med bombažem in sojo ter visoko natančno oceno bombaža SPAD.
V primerjavi z modeli RFR, GBR in SVR je model VRE pokazal najboljše rezultate ocenjevanja pri ocenjevanju SPAD bombaža. Na podlagi modela ocenjevanja VRE je imel model z multispektralnimi značilnostmi slike, značilnostmi vidne slike in fuzijo višine rastline kot vhodi najvišjo natančnost s testnim nizom R2, RMSE in RPD 0,916, 1,481 oziroma 3,53.
Pokazalo se je, da fuzija podatkov iz več virov v kombinaciji z algoritmom integracije regresije glasovanja zagotavlja novo in učinkovito metodo za oceno SPAD v bombažu.
Čas objave: 3. december 2024